人脸抓拍比对系统方案模板.docx
《人脸抓拍比对系统方案模板.docx》由会员分享，可在线阅读，更多相关《人脸抓拍比对系统方案模板.docx（14页珍藏版）》请在冰豆网上搜索。
人脸抓拍比对系统方案模板
人脸抓拍比对系统
设计方案
1
人脸识别的优势
在当今社会信息安全问题备受人们的关注。
自身安全和个人财产及隐私保护成为这个时代的热门话题。
基于密码、个人识别码（PIN）、磁卡和钥匙等传统身份识别技术存在明显的缺陷：
容易遗忘、丢失或被伪造，更为严重的是传统的身份识别技术无法真正的区分拥有者和冒充者。
在这样一个背景下，人们把目光投向了生物特征识别技术（Biometrics）-利用人体固有的生理特征或行为特征来进行身份的鉴别或确认。
生理特征通常是指人类个体“与生俱来、独一无二”的生理特征，如人脸、指纹、虹膜、掌纹、手形、视网膜、耳郭、DNA等；行为特征通常是指人类个体的习惯性行为特点，如签名、声纹、步态等。
相比传统的身份鉴定手段，生物特征识别技术具有不易遗忘或丢失、防伪性能好、随身携带等优点，这些优点可以从根本上杜绝伪造和窃取。
与其它生物特征识别技术相比，人脸识别在实用性方面具有独到的技术优势，主要体现在以下方面：
⏹不需要检测人员配合，具有操作隐蔽性强，因为不容易引起人的注意而不容易被欺骗。
利用采集指纹、虹膜等，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。
⏹采用非接触式采集，没有侵犯性，不会令人反感，容易被接受。
而指纹、虹膜采集往往给人造成不适的感觉。
⏹并发性，即实际应用场景下可以进行多个人脸的抓拍、判断及识别。
⏹事后追踪能力强，简单易用，普通操作人员即可进行判断核实。
而普通人一般不具备对于指纹、虹膜的判断能力。
⏹实现设备通用、简单，尤其是采集设备成本较低。
而虹膜采集仪、DNA鉴别仪等都需要专用的采集设备，而且设备昂贵。
2
应用场景
目前人脸抓拍比对系统主要应用在以下几个方面：
⏹企业、住宅安全和管理等：
在一些关键出入口、通道等卡口位置加强对进出人员的管理和安全防范。
主要应用在对一些敏感人员布控，一旦发现可疑人员进出（黑名单人员），系统自动报警，并提示安保人员。
⏹公安、司法和刑侦：
针对一些人员密集区域（如车站、地铁站、机场、社区等）的关键出入口、通道等卡口位置做人脸识别，实现搜捕嫌疑犯、逃犯等。
⏹重要通关口岸的身份验证：
主要是实现对进出口岸人员和电子护照及身份证等信息的核实和确认。
3系统设计
1.
2.
3.
3.1系统简介
通过多年的潜心研发，成功推出了人脸抓拍比对系统，系统主要采用具有自主知识产权的人脸检测算法、人脸跟踪算法、人脸质量评分算法以及人脸识别算法。
其实现了实时人脸抓拍建模、实时黑名单比对报警和人脸后检索等功能。
3.2系统架构
系统前端高清网络摄像机或人脸抓拍机、人脸智能分析服务器、存储设备、客户端管理软件等组成。
前端摄像机：
前端摄像机有两种选择，可以采用普通高清网络摄像机或者人脸抓拍机。
普通高清网络摄像机主要实现图像采集、编码等功能。
人脸抓拍机不仅实现普通高清网络摄像机的所有功能，其DSP内置智能分析算法，还能对人脸进行自动捕获、跟踪、抓拍的功能。
人脸抓拍机分担了人脸智能分析服务器的人脸抓拍运算量，使人脸智能分析服务器能有更多的资源用来人脸的建模、比对识别等功能。
人脸智能分析服务器:
人脸智能分析服务器主要实现对前端摄像机采集的图像进行人脸抓拍、建模、比对识别以及后检索功能。
针对小型人脸系统，人脸抓拍、建模、比对识别以及后检索功能可以在一台人脸智能分析服务器中全部完成。
对于一些大型人脸系统中，涉及人脸算法的高运算量，我们推荐使用人脸抓拍机，在前端摄像机中实现人脸抓拍功能，在后端将人脸建模、比对功能和人脸后检索功能分别采用两台人脸智能分析服务器来实现。
存储设备：
系统可以根据不同的规模和实际环境选择NVR或IPSAN等。
另外我们建议架设单独的数据库服务器专门存储人脸系统的数据。
客户端管理平台：
客户端管理平台主要实现人脸抓拍机、人脸智能分析服务器、报警联动等配置和管理。
客户端实现对图像的预览、各种报警信息的查看等操作。
整体系统结构如下图所示：
系统架构拓扑图
3.3系统功能
3.3.1人脸抓拍
本系统能够对经过设定区域的行人进行人脸检测和人脸跟踪，并形成该行人的特定轨迹，然后利用人脸质量评分算法从人脸轨迹中筛选出最为清晰的人脸图像作为该行人的抓拍图像。
具体流程如下图所示。
人脸抓拍流程图
人脸抓拍界面示意图
3.3.2人脸比对识别
系统可以按通道对人脸进行布防，每个通道可以单独配置黑名单数据库，实现单独布防。
人脸比对识别主要是利用人脸识别算法对抓拍到的人脸图像进行建模，同时与黑名单数据库中的人脸模型进行实时比对，如果人脸的相识度达到设定阀值，系统自动可通过声音等方式进行预警，提醒监控管理人员。
监控管理人员可以根据双击报警信息查看抓拍原图和录像进行核实。
具体流程如下图所示。
人脸比对识别流程图
人脸比对识别界面示意图
3.3.3人脸检索
人脸检索功能，在系统中输入待查询的人脸照片，系统自动检测出照片中的人脸信息并截取人脸，用户选择需要检索的人脸后进行相似度、时间段等参数设置后开始检索，最后检索出的相似人脸的结果会在界面上显示出来。
具体流程如下图所示。
人脸检索流程图
人脸检索界面示意图
3.3.4查询
人脸系统查询包括黑名单报警查询和人脸抓拍查询。
我们可以通过时间、通道等相关参数快速查询信息。
⏹黑名单报警：
可以查询某个时间段、通道的所有报警事件，并可详细查看报警详细信息。
⏹人脸抓拍查询：
可以查询某个时间段、通道的所有抓拍人脸事件，并可详细查看图片、具体抓拍时间点等信息。
黑名单报警查询界面示意图
人脸抓拍查询界面示意图
3.3.5其他功能
此系统同时具备传统监控系统包括的视频预览、设备管理、智能配置、报警设置、用户管理等功能。
3.4
摄像机选型及架设要求
3.4.1摄像机选择
摄像机一般选用百万高清摄像机。
由于需要保证拍摄到的图像中的人脸区域像素不小于80*80像素，因此摄像机的型号与监控范围有着密切关系，具体选型如下表所示。
监控区域宽度
像素要求
推荐型号
备注
3-5米
500万高清
<3米
200万高清
前端抓拍处理
<2米
130万高清
前端抓拍处理
<1米
标清
注意：
如果监控区域宽度在5米以上，需要多加装高清摄像机。
现场环境复杂多样，根据具体得实际环境，摄像机还需要考虑到以下几个方面：
⏹支持低照度、宽动态等功能——主要考虑室内光线偏暗，或逆光情况。
⏹支持自动光圈——夜晚抓拍或光线变化剧烈场所。
3.4.2镜头选择
不同的相机、镜头焦距、监控的宽度也决定了其不同的监控距离和摄像机架设。
其之间的换算关系如下
U≈f*W/a
h=U*tan（13*3.1415926/180）+1.7
⏹senser粑面尺寸a（mm）
⏹监控宽度W（米）
⏹监控距离U（米）
⏹镜头焦距f（mm）
⏹相机架设高度h（米）
摄像机
类型
senser粑面
尺寸a（mm）
监控宽度
W（米）
监控距离
U（米）
镜头焦距
（mm）
相机架设
高度（米）
俯视角
（度）
976
8.5
2.5
2.5
8
2.3
13°±3°
976
8.5
2.5
3.5
12
2.5
13°±3°
976
8.5
2.5
5
16
2.8
13°±3°
976
8.5
2.5
7
25
3.3
13°±3°
976
8.5
2.5
10
35
4
13°±3°
976
8.5
2.5
15
50
5.2
13°±3°
976
8.5
2
2
8
2.2
13°±3°
976
8.5
2
3
12
2.4
13°±3°
976
8.5
2
4
16
2.6
13°±3°
976
8.5
2
6
25
3
13°±3°
976
8.5
2
8
35
3.5
13°±3°
976
8.5
2
12
50
4.5
13°±3°
976
8.5
1.5
1.5
8
2
13°±3°
976
8.5
1.5
2
12
2.2
13°±3°
976
8.5
1.5
3
16
2.4
13°±3°
976
8.5
1.5
4.5
25
2.8
13°±3°
976
8.5
1.5
6
35
3
13°±3°
976
8.5
1.5
9
50
3.8
13°±3°
864
6
1.5
2
8
2.2
13°±3°
864
6
1.5
3
12
2.4
13°±3°
864
6
1.5
4
16
2.6
13°±3°
864
6
1.5
6
25
3
13°±3°
864
6
1.5
9
35
3.8
13°±3°
864
6
1.5
13
50
4.7
13°±3°
864
6
1
1.5
8
2
13°±3°
864
6
1
2
12
2.2
13°±3°
864
6
1
2.8
16
2.4
13°±3°
864
6
1
4
25
2.6
13°±3°
864
6
1
6
35
3
13°±3°
864
6
1
8.5
50
3.7
13°±3°
893
4.8
0.8
1.5
8
2
13°±3°
893
4.8
0.8
2
12
2.2
13°±3°
893
4.8
0.8
2.8
16
2.4
13°±3°
893
4.8
0.8
4.5
25
2.8
13°±3°
893
4.8
0.8
6
35
3
13°±3°
893
4.8
0.8
8.5
50
3.7
13°±3°
3.4.3
安装位置选择
⏹摄像机设在通道正前方，正面抓拍人脸，左右偏转<30°，上下偏转<15°
⏹建议架设高度h大约2.0-3.5米左右。
⏹推荐摄像机的俯视角度α=15度。
⏹d和选用的不同镜头的焦距有关系，焦点在通道出入口，且人脸像素大小不小于80*80像素。
注意：
摄像机架设位置主要目的是要抓拍到一张正面清晰人脸照片，且需要尽量避免前后人脸遮挡情况。
详细位置的选点和镜头选择有关系，可以查看镜头选择章节中的详细列表。
3.4.4
人脸成像要求
太暗图像
太亮图像
标准亮度、相机高度、俯视角的成像效果
4性能指标
性能指标包括人脸抓拍率、建模成功率和比对性能等指标。
人脸抓拍率：
对于光线较好的监控环境下，正常的人脸抓拍率可以达到95%左右（其中抓拍到的人脸姿态偏转在左右60度之内、上下偏转30度之内），即100个人经过，大约有95个人的脸会被准确抓拍。
建模成功率：
由于当前的人脸识别主要针对准正面人脸进行（左右偏转30度，上下偏转15度，脸部区域分辨率不能低于80*80个像素，且成像清晰），因此在建模时必须要对抓拍到的人脸进行筛选。
如果满足上述条件，建模成功率不低于90%，即100个人经过，大约有90个人的脸能够符合建模标准。
比对性能：
人脸比对性能与黑名单注册图像质量和黑名单数据库大小密切相关，性能指标主要从由两个指标进行衡量：
误拒率和误识率，误拒率是指黑名单人员漏报的比率，误识率是指错误报警的比率。
一般情况下如果错误报警越多（误识率越高），那么漏报的可能性就越小（误拒率越低），如果错误报警越少（误
升级会员 